論文の概要: Prompt-to-Slate: Diffusion Models for Prompt-Conditioned Slate Generation

• arxiv url: http://arxiv.org/abs/2408.06883v3
• Date: Mon, 18 Aug 2025 10:08:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 12:43:44.838457
• Title: Prompt-to-Slate: Diffusion Models for Prompt-Conditioned Slate Generation
• Title（参考訳）: Prompt-to-Slate: Prompt-conditioned Slate 生成のための拡散モデル
• Authors: Federico Tomasi, Francesco Fabbri, Justin Carter, Elias Kalomiris, Mounia Lalmas, Zhenwen Dai,
• Abstract要約: 本稿では, 急速条件付きスレート生成のための拡散モデルに基づく生成フレームワークであるDMSGを紹介する。 検索ベースや自己回帰モデルとは異なり、DMSGはスレート上の結合分布をモデル化し、柔軟性と多様性を高める。 DMSGを音楽プレイリスト生成とeコマースバンドル生成の2つの重要な領域で評価する。
• 参考スコア（独自算出の注目度）: 9.864273882854297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Slate generation is a common task in streaming and e-commerce platforms, where multiple items are presented together as a list or ``slate''. Traditional systems focus mostly on item-level ranking and often fail to capture the coherence of the slate as a whole. A key challenge lies in the combinatorial nature of selecting multiple items jointly. To manage this, conventional approaches often assume users interact with only one item at a time, assumption that breaks down when items are meant to be consumed together. In this paper, we introduce DMSG, a generative framework based on diffusion models for prompt-conditioned slate generation. DMSG learns high-dimensional structural patterns and generates coherent, diverse slates directly from natural language prompts. Unlike retrieval-based or autoregressive models, DMSG models the joint distribution over slates, enabling greater flexibility and diversity. We evaluate DMSG in two key domains: music playlist generation and e-commerce bundle creation. In both cases, DMSG produces high-quality slates from textual prompts without explicit personalization signals. Offline and online results show that DMSG outperforms strong baselines in both relevance and diversity, offering a scalable, low-latency solution for prompt-driven recommendation. A live A/B test on a production playlist system further demonstrates increased user engagement and content diversity.
• Abstract（参考訳）: スレート生成はストリーミングやeコマースプラットフォームにおいて一般的なタスクであり、複数のアイテムがリストや‘slate’としてまとめられる。 伝統的なシステムは、主にアイテムレベルのランキングに焦点を当てており、スレート全体の一貫性を捉えるのに失敗することが多い。 重要な課題は、複数のアイテムを共同で選択するという組み合わせの性質にある。 これを管理するために、従来のアプローチでは、ユーザが一度に1つのアイテムだけと対話することを前提としています。 本稿では,急速条件付きスレート生成のための拡散モデルに基づく生成フレームワークであるDMSGを紹介する。 DMSGは高次元構造パターンを学習し、自然言語のプロンプトから直接コヒーレントで多様なスレートを生成する。 検索ベースや自己回帰モデルとは異なり、DMSGはスレート上の結合分布をモデル化し、柔軟性と多様性を高める。 DMSGを音楽プレイリスト生成とeコマースバンドル生成の2つの重要な領域で評価する。 どちらの場合も、DMSGは明示的なパーソナライズ信号なしでテキストプロンプトから高品質なスレートを生成する。 オフラインとオンラインの結果は、DMSGが妥当性と多様性の両方において強力なベースラインを上回り、プロンプト駆動のレコメンデーションのためのスケーラブルで低レイテンシなソリューションを提供することを示している。 プロダクションプレイリストシステム上でのライブA/Bテストは、ユーザエンゲージメントとコンテンツの多様性をさらに向上させる。

関連論文リスト

• M^2VAE: Multi-Modal Multi-View Variational Autoencoder for Cold-start Item Recommendation [14.644213412218742]
  コールドスタートアイテムレコメンデーションはレコメンデーションシステムにおいて重要な課題である。 既存の方法は、コールドスタート問題を緩和するためにマルチモーダルコンテンツを利用する。 本稿では,属性とマルチモーダルの特徴の共通性とユニークなビューをモデル化する上での課題に対処する生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-01T09:16:26Z)
• Breaker: Removing Shortcut Cues with User Clustering for Single-slot Recommendation System [20.933282101797214]
  シングルスロットレコメンデーションシステムでは、ユーザは一度に1つのアイテムにのみ露出し、複数のアイテムに対して同時にユーザフィードバックを収集することはできない。 本稿では、ユーザ表現クラスタリングの補助タスクと、クラスタ固有の選好モデリングのためのマルチトウア構造を統合したBreakerモデルを提案する。 すでにデプロイされており、Meituanでは毎日数千万人のユーザーが利用している。
  論文  参考訳（メタデータ） (2025-06-01T04:23:06Z)
• MixRec: Heterogeneous Graph Collaborative Filtering [21.96510707666373]
  そこで本稿では,MixRecを用いたグラフ協調フィルタリングモデルを提案する。 本モデルでは,意図的不整合とマルチビヘイビア・モデリングを取り入れてこれを実現している。 また、自己教師付きデータ拡張の利点を適応的に探求する、新しいコントラスト学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2024-12-18T13:12:36Z)
• Facet-Aware Multi-Head Mixture-of-Experts Model for Sequential Recommendation [25.516648802281626]
  逐次レコメンデーションのためのFAME(Facet-Aware Multi-Head Mixture-of-Experts Model for Sequential Recommendation)という新しい構造を提案する。 最後のマルチヘッドアテンション層における各頭部からのサブ埋め込みを活用して,次の項目を別々に予測する。 ゲーティングメカニズムは、各ヘッドからのレコメンデーションを統合し、それらの重要性を動的に決定する。
  論文  参考訳（メタデータ） (2024-11-03T06:47:45Z)
• Retrieval Augmentation via User Interest Clustering [57.63883506013693]
  インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。 本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。 当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
  論文  参考訳（メタデータ） (2024-08-07T16:35:10Z)
• LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation [58.04939553630209]
  現実世界のシステムでは、ほとんどのユーザーはほんの一握りのアイテムしか扱わないが、ほとんどのアイテムは滅多に消費されない。 これら2つの課題は、ロングテールユーザーとロングテールアイテムの課題として知られ、しばしば既存のシークエンシャルレコメンデーションシステムに困難をもたらす。 本稿では,これらの課題に対処するため,Large Language Models Enhancement framework for Sequential Recommendation (LLM-ESR)を提案する。
  論文  参考訳（メタデータ） (2024-05-31T07:24:42Z)
• MMGRec: Multimodal Generative Recommendation with Transformer Model [81.61896141495144]
  MMGRecは、マルチモーダルレコメンデーションに生成パラダイムを導入することを目指している。 まず,階層的な量子化手法であるGraph CF-RQVAEを考案し,各項目にRec-IDを割り当てる。 次に、Transformerベースのレコメンデータをトレーニングし、過去のインタラクションシーケンスに基づいて、ユーザが推奨するアイテムのRec-IDを生成する。
  論文  参考訳（メタデータ） (2024-04-25T12:11:27Z)
• Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
  マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。 本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T15:42:54Z)
• Latent Structures Mining with Contrastive Modality Fusion for Multimedia Recommendation [22.701371886522494]
  マルチモーダルコンテンツに基づく潜在意味的項目-項目構造は,より優れた項目表現を学習する上で有益である,と我々は主張する。 モータリティを意識した構造学習モジュールを考案し,各モータリティの項目間関係を学習する。
  論文  参考訳（メタデータ） (2021-11-01T03:37:02Z)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• Mining Latent Structures for Multimedia Recommendation [46.70109406399858]
  本稿では,マルチモーダル再圧縮のためのLATent sTructureマイニング手法を提案する。 各モダリティの項目構造を学び、複数のモダリティを集約して潜在アイテムグラフを得る。 学習した潜在グラフに基づいてグラフ畳み込みを行い、アイテム表現に高次項目親和性を明示的に注入する。
  論文  参考訳（メタデータ） (2021-04-19T03:50:24Z)
• Sparse-Interest Network for Sequential Recommendation [78.83064567614656]
  本稿では,シーケンシャルレコメンデーションのためのtextbfSparse textbfInterest textbfNEtwork(SINE)を提案する。 我々のスパース関心モジュールは、大きなコンセプトプールから各ユーザに対してスパースの概念セットを適応的に推測することができる。 SINEは最先端の手法よりも大幅に改善できる。
  論文  参考訳（メタデータ） (2021-02-18T11:03:48Z)
• Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
  我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。 我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。 私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
  論文  参考訳（メタデータ） (2020-05-19T10:18:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。